【摘要】：礦井信息化是煤礦安全生產(chǎn)的有效保障,而礦井多個(gè)信息子系統(tǒng)往往采用不同的信號模式,形成一體化信息系統(tǒng)必須實(shí)現(xiàn)多系統(tǒng)融合,多模信號的檢測識別是多系統(tǒng)融合的關(guān)鍵。本文研究礦井環(huán)境對信號特征參量的影響,以支持向量機(jī)(SVM)作為分類器,建立礦井環(huán)境多模信號的分類識別模型,對井下多系統(tǒng)的研究與融合提供理論基礎(chǔ)。針對礦井環(huán)境對信號的調(diào)制識別進(jìn)行研究,選用模式識別方法,其分為特征參數(shù)提取和分類器設(shè)計(jì)兩大部分。針對特征參量提取問題,選取信號的四階累積量作為特征參量,分析并得出信號在高斯白噪聲信道下的二階矩、四階矩以及四階累積量值;在此基礎(chǔ)上,進(jìn)一步分析信號四階累積量與陰影衰落和小尺度衰落的關(guān)系,并得出其經(jīng)過這兩種衰落信道的表達(dá)式。針對分類器設(shè)計(jì)問題,選取SVM作為目標(biāo)分類器,以信號的四階累積量作為SVM的輸入,分別在二叉樹分類器、一對余類分類器、一對一分類器以及決策樹分類器情況下,實(shí)現(xiàn)對BPSK、OFDM、16QAM和64QAM四種信號的分類識別。仿真結(jié)果表明,決策樹分類器識別效果較一對多分類器效果差;基于SVM算法下的三種分類器識別性能相當(dāng),且在低信噪比下,識別效果不理想。針對普通SVM分類器在低信噪比下低識別率的問題,提出優(yōu)化SVM分類識別的方法。將數(shù)據(jù)樣本集分為測試數(shù)據(jù)集和訓(xùn)練數(shù)據(jù)集,使用粒子群算法和遺傳算法對訓(xùn)練數(shù)據(jù)集中SVM的懲罰因子和核函數(shù)進(jìn)行尋優(yōu)處理,得到優(yōu)化的SVM模型,并用此模型對測試集進(jìn)行測試分類。文中使用Matlab平臺環(huán)境進(jìn)行仿真,仿真結(jié)果表明,在信噪比為-5dB的三種信道環(huán)境下,四種信號的平均識別率均能達(dá)到80%以上;在信噪比大于-3dB的三種信道環(huán)境下,四種信號的平均識別率均能達(dá)到90%以上。
【圖文】：

2 數(shù)字信號調(diào)制識別的理論分析信號模式識別過程一般可分為信號預(yù)處理、提取特征參數(shù)以及分類器設(shè)計(jì)這三部分而其中研究的兩個(gè)關(guān)鍵點(diǎn)是特征參數(shù)的提取和分類器的選取與設(shè)計(jì)。對幾種特征參數(shù)取的方法進(jìn)行對比分析，，得出不同的特征提取方法的優(yōu)缺點(diǎn)以及應(yīng)用場景。數(shù)字調(diào)制識別是所有信號處理與分析的基礎(chǔ)。相較于模擬信號，數(shù)字信號具有更的抗干擾性，數(shù)字調(diào)制已經(jīng)被廣泛應(yīng)用于各種通信系統(tǒng)中。本章將對 BPSK、16QAM64QAM 以及 OFDM 這幾種數(shù)字信號的調(diào)制進(jìn)行分析，并仿真得出信號的星座圖，為續(xù)從理論上分析得出信號二階矩、四階矩以及四階累積量作基礎(chǔ)。2.1 調(diào)制識別的過程研究對事物的某些信息進(jìn)行分析處理，提取出有別于其他事物的有效特征信息，這些征信息在本質(zhì)上是可以完成對數(shù)據(jù)的識別與分類，用以對事物所表現(xiàn)出來的現(xiàn)象進(jìn)行述和解釋，將這個(gè)過程稱之為模式識別。實(shí)質(zhì)上，通信信號的分類識別也屬于模式識別具體的調(diào)制識別算法的基本流程圖如圖 2.1 所示：

（a）模擬調(diào)制法 （b）數(shù)字鍵控法圖 2.2 BPSK 調(diào)制的基本原理框圖-4 -2 0 2 4-4-3-2-101234QuadratureIn-Phase接 收 信 號 星 座 圖含 噪 聲 接 收 信 號不 含 噪 聲 信 號圖 2.3 BPSK 星座仿真圖
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TD76;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 江偉華;曹秀嶺;童峰;;采用支持向量機(jī)的水聲通信信號調(diào)制識別方法[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

2 王蘭勛;孟祥雅;佟婧麗;;基于循環(huán)譜和稀疏表示的多信號調(diào)制識別[J];電視技術(shù);2015年01期

3 姜培華;;幾種概率分布高階原點(diǎn)矩的計(jì)算[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年09期

4 朱洪波;張?zhí)祢U;王志朝;李軍偉;;瑞利信道下基于累積量的調(diào)制識別方法[J];計(jì)算機(jī)應(yīng)用;2013年10期

5 李艷玲;李兵兵;劉明騫;;瑞利衰落信道下MQAM信號的盲識別方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

6 方奇;張煒;;衰落環(huán)境中數(shù)字調(diào)制識別仿真研究[J];信息化研究;2011年02期

7 龔曉潔;朱琦;;衰落信道下基于支持向量機(jī)的調(diào)制識別方法[J];信號處理;2010年08期

8 王建新,宋輝;基于星座圖的數(shù)字調(diào)制方式識別[J];通信學(xué)報(bào);2004年06期

相關(guān)博士學(xué)位論文 前1條

1 李艷玲;非合作通信中單載波調(diào)制信號識別算法研究[D];西安電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前9條

1 周龍梅;基于深度學(xué)習(xí)的通信信號識別技術(shù)研究[D];北京郵電大學(xué);2018年

2 岳震林;基于二次星座聚類和模糊補(bǔ)償支持向量機(jī)的調(diào)制識別研究[D];南京郵電大學(xué);2017年

3 于政委;基于多特征融合的調(diào)制模式識別研究[D];西南科技大學(xué);2017年

4 陳蕙心;通信信號調(diào)制識別技術(shù)研究[D];西安電子科技大學(xué);2017年

5 郗茜;基于LS-SVM的半圓拱形巷道無線信道建模與預(yù)測[D];西安科技大學(xué);2017年

6 褚國星;非協(xié)作通信信號調(diào)制識別研究與實(shí)現(xiàn)[D];重慶大學(xué);2017年

7 黃勇;通信信號的自動調(diào)制識別算法仿真研究與實(shí)現(xiàn)[D];電子科技大學(xué);2013年

8 霍天龍;基于支持向量機(jī)的轉(zhuǎn)子系統(tǒng)故障診斷方法研究[D];蘭州理工大學(xué);2011年

9 龔曉潔;基于支持向量機(jī)的調(diào)制方式識別算法的研究[D];南京郵電大學(xué);2011年

本文編號：2602336